文心4.5开源模型部署实践
使用fastdeploy本地部署
执行命令：
python -m fastdeploy.entrypoints.openai.api_server \
--model baidu/ERNIE-4.5-21B-A3B-Paddle \
--port 8180 \
--metrics-port 8181 \
--engine-worker-queue-port 8182 \
--max-model-len 32768 \
--max-num-seqs 32解释一下部署命令
该命令用于通过 FastDeploy 框架部署百度 ERNIE-4.5 大模型服务，并兼容 OpenAI API 协议。以下是参数详解：
1. 核心模块与模型
fastdeploy.entrypoints.openai.api_server：FastDeploy 提供的服务入口模块，用于启动兼容 OpenAI API 的 HTTP 服务12。--model baidu/ERNIE-4.5-21B-A3B-Paddle：指定模型路径，此处为百度 ERNIE-4.5-21B 的 PaddlePaddle 格式模型，支持 210 亿参数规模23。
2. 端口配置
--port 8180：主服务监听端口，用于处理 API 请求（如文本生成、对话等）14。--metrics-port 8181：监控指标端口，提供 Prometheus 格式的模型性能数据（如吞吐量、延迟）15。--engine-worker-queue-port 8182：工作队列通信端口，协调多个推理引擎实例的任务分配15。
3. 性能与资源控制
--max-model-len 32768：限制模型单次处理的上下文最大长度（32K tokens），避免内存溢出14。--max-num-seqs 32：设置批量处理的最大序列数，平衡并发性能与显存占用15。
4. 技术背景
- FastDeploy：百度推出的高效推理框架，支持多硬件后端（如 GPU、NPU），优化了 PaddlePaddle 模型的部署效率23。
- ERNIE-4.5：百度最新大语言模型，在代码生成、逻辑推理等任务上表现优异，需通过此类服务化部署提供 API 调用能力23。
5. 典型应用场景
- 企业级 AI 中台：通过标准化 OpenAI API 协议集成到现有系统16。
- 高并发推理：利用多端口设计实现负载均衡与监控15。
- 长文本处理：32K 上下文窗口适合文档摘要、代码分析等任务34。
最近在实际工程中，发现32K上下文窗口实在太小了。怎么也要64K才好工作。
使用fastdeploy在星河社区部署
进入部署页面：飞桨AI Studio星河社区-人工智能学习与实训社区
点击：新建部署
部署内部模型
在热门模型库里，选FastDeploy推理框架，然后选文心4.5模型即可。
比如这里选了21B模型。
部署完毕，点"详情"，会提供api调用的测试代码，直接在python里调用即可。
这个模型来自：ERNIE-4.5-21B-A3B-Paddle_文心大模型_大语言模型_文本生成-飞桨AI Studio星河社区
我在部署了21B模型后，使用Auto-Coder工具构建一个项目进行了测试，这个21B模型还是挺厉害的，正好处于几乎符合Auto-Coder工具要求的那一档，也就是略低于DeepSeek-v3模型，但是勉强能用。
但是由于只能提供32k的上下文，这个限制较大，导致无法在Auto-Coder中真实的使用。
部署外部模型（其实是用ollam部署）
选择：外部部署，把部署链接cp过去
先尝试了部署最大的模型：baidu/ERNIE-4.5-300B-A47B-PT · HF Mirror
部署失败
再尝试部署这个：
https://huggingface.cn/baidu/ERNIE-4.5-300B-A47B-W4A8C8-TP4-Paddle还是失败。证明300B的模型在星河是无法部署成功的。
也就是只有21B和28B等较小的模型才能部署成功。
星河官方已经设好了21B模型的部署，直接点一下就可以了。这里我们再从外部huggingface引入部署实践一下：
使用这个模型
https://huggingface.co/baidu/ERNIE-4.5-21B-A3B-Base-Paddle失败，再用这个试试
https://huggingface.co/baidu/ERNIE-4.5-21B-A3B-Base-PT还是失败
测试了半天，才发现这行小字：
说明：平台暂仅支持GGUF格式且不大于70B的公开模型部署，请遵守平台规范（禁止涉黄、暴力等违规信息）
所以只要大于70B，且不是GGUF格式的，都不能部署。新发布的文心模型，还都没有GGUF格式，所以都还不行。
有空再使用GGUF格式模型试试
在星河社区，看模型配置
{
"architectures": [
"Ernie4_5_MoeForCausalLM"
],
"bos_token_id": 1,
"eos_token_id": 2,
"hidden_act": "silu",
"hidden_size": 2560,
"intermediate_size": 12288,
"max_position_embeddings": 131072,
"model_type": "ernie4_5_moe",
"num_attention_heads": 20,
"num_key_value_heads": 4,
"num_hidden_layers": 28,
"pad_token_id": 0,
"rms_norm_eps": 1e-05,
"use_cache": false,
"vocab_size": 103424,
"rope_theta": 500000,
"use_rmsnorm": true,
"tie_word_embeddings": true,
"use_bias": false,
"moe_num_experts": 64,
"moe_num_shared_experts": 2,
"moe_layer_start_index": 1,
"moe_intermediate_size": 1536,
"moe_capacity": [64,64,64],
"moe_gate": "topk",
"moe_k": 6,
"moe_layer_interval": 1,
"moe_use_aux_free": true,
"dtype": "bfloat16",
"num_nextn_predict_layers": 1,
"multi_token_pred_lambda": 0.3
}这证明它是支持128K长文本的，那为什么使用中最大是32K呢？出现了这个报错：
File "/home/skywalk/minipy312/lib/python3.12/site-packages/openai/_base_client.py", line 1037, in request
raise self._make_status_error_from_response(err.response) from None
openai.BadRequestError: Error code: 400 - {'object': 'error', 'message': 'Input text is too long, input_ids_len (32767) + min_tokens(1) >= max_model_len(32768)', 'code': 400}
╭────────────────────────────────────────────────── 🔥 System Error ───────────────────────────────────────────────────╮
│ FATAL ERROR: │
│ Error code: 400 - {'object': 'error', 'message': 'Input text is too long, input_ids_len (32767) + min_tokens(1) >= │
│ max_model_len(32768)', 'code': 400} │
╰──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯
──────────────────────────────────────────────── Agentic Edit Finished ─────────────────────────────────────────────────
An error occurred: BadRequestError - Error code: 400 - {'object': 'error', 'message': 'Input text is too long, input_ids_len (32767) + min_tokens(1) >= max_model_len(32768)', 'code': 400}不知道是模型设置了32K的上下文限制，还是Auto-Coder的拆分出了问题。
找到了，默认设置是51200
/conf conversation_prune_safe_zone_tokens:51200
把它设置为
/conf conversation_prune_safe_zone_tokens:32767试试
测试glm4试试
https://hf-mirror.com/unsloth/GLM-4-32B-0414-GGUF
https://huggingface.co/unsloth/GLM-4-32B-0414-GGUF部署成功！
不过在Auto-Coder里面一直刷，有些问题
coding@auto-coder.chat:~$ 继续
Successfully set configuration: event_file =
/home/skywalk/work/autocoder/.auto-coder/events/05ee5870-bcca-4f8f-b6a2-a10adb1fca8f_20250702-114604.jsonl
─────────────────────────────────────────── Starting Agentic Edit: autocoder ───────────────────────────────────────────
╭───────────────────────────────────────────────────── Objective ──────────────────────────────────────────────────────╮
│ User Query: │
│ 继续 │
╰──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯
Conversation ID: 8c63e814-a349-414c-92e6-7be661ed09d3
当前会话总 tokens: 34624
GGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG当前会话总 tokens: 34652
当前会话总 tokens: 34720
GGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG当前会话总 tokens: 34749
当前会话总 tokens: 34817
GGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG当前会话总 tokens: 34846
当前会话总 tokens: 34914
GGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG当前会话总 tokens: 34943
当前会话总 tokens: 35011
GGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG当前会话总 tokens: 35040
当前会话总 tokens: 35108
GGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG当前会话总 tokens: 35137
当前会话总 tokens: 35205
GGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG当前会话总 tokens: 35234
当前会话总 tokens: 35302
GGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG当前会话总 tokens: 35331
当前会话总 tokens: 35399
GGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG当前会话总 tokens: 35428
当前会话总 tokens: 35496
GGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG当前会话总 tokens: 35525
当前会话总 tokens: 35593
GGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG当前会话总 tokens: 35622
当前会话总 tokens: 35690